weixin_29053383上周整理一批临床试验数据时，R语言输出了一行警告：Chi-squared approximation may be incorrect。如果放在两年前，我可能直接略过这行字，把卡方p值抄进报告就完事。但这条警告背后藏着一个很容易被忽视的事实：在2×2列联表里，只要存在期望频数小于5的单元格，卡方检验的近似分布就并不可靠，算出来的p值可能偏离真值，严重时甚至会把显著结果判成不显著。费希尔精确概率检验（Fisher's exact test）就是为这类场景准备的——它不依赖任何大样本近似，也不需要什么“期望频数大于5”的前提，而是基于超几何分布，把表格出现的概率精确地算出来。这篇文章我会把它的原理、完整手算流程和真实项目里的实操细节都过一遍，适合正在做统计分析却总被小样本卡住的分析师、生物统计方向的研究生，以及每一个想把列联表检验用得扎实些的从业者。
1. 卡方检验“失效”的边界，正是费希尔精确检验的主场
1.1 期望频数规则：决定卡方还能不能用的那根线
很多人做2×2列联表检验时，只会机械地执行“卡方检验”，并不清楚卡方检验背后其实是一次近似。Pearson卡方统计量本身并不服从卡方分布，只是在样本量足够大时，它的抽样分布会趋近于卡方分布，这个趋近的前提就是“期望频数不能太小”。那到底多小算小？统计教材里最常见的说法是：所有单元格的期望频数都应该大于等于5。但这个标准在实操中并不是铁板一块，不同教材和软件给出的规则略有差异。
比较经典的判断思路来自Cochran。他最早给出的建议是：对于2×2表，如果期望频数小于5，卡方近似的误差就会变大，最好改用精确检验。后来这个规则在一些场合被放宽为“期望频数小于5的单元格比例不超过20%，且最小期望频数不小于1”，很多统计课程也接受这个说法。但这里有个细节要注意：很多人看的是“观测频数”，不是“期望频数”。观测频数里某个格子是2，看起来很危险，但如果行列边际都比较大，对应的期望频数可能并不低；反之，观测频数可能很高，期望频数却很小。所以判断卡方能不能用，必须去算期望频数，不能直接用观测频数代替。
还有一个很多人忽略的地方：卡方近似的质量不仅取决于期望频数的大小，还和总样本量、表格维度有关。总样本量越少，离散程度越高，近似效果越差。遇到n=20左右的2×2表，哪怕期望频数勉强过了5，卡方p值和精确检验p值也可能差不少。我在实际操作中给自己定了一条线：2×2表总样本量小于等于40，或者有任何单元格期望频数小于5，就不再用卡方作为最终报告依据，直接把费希尔精确检验拿上来。这条线不是唯一的，但确实帮我在多次审稿和汇报中避开了“统计方法不当”的质疑。
1.2 卡方是近似，费希尔是精确：检验逻辑的分岔路
卡方和费希尔检验的分岔，本质上是两种统计哲学。卡方检验走的是“近似路线”：在边际固定的前提下，构造一个检验统计量，然后借用卡方分布去计算p值。这种做法计算简单、适用范围广，但它是渐近的，需要大样本兜底。费希尔则走的是另一条路：既然不管观测到哪张表，行边际和列边际都已经被原始数据锁死了，那我干脆把所有满足同样边际的表格都枚举出来，逐一计算它们出现的概率，再看当前这张表落在整个分布里的什么位置。这样得到的p值不依赖任何渐近假设，所以叫“精确”。
正因为这个逻辑，费希尔检验在小样本场景下被很多人视作“金标准”。它不需要你操心期望频数是否达标，也不存在“近似结果可能不准”的隐患。但代价也很明显：如果表格稍大一点，比如5×5的列联表，枚举所有满足边际的组合数会爆炸式增长，手算基本不可能。所以在计算机普及之前，费希尔检验几乎只用于2×2表。现在R和Python都能处理更大的表，但原理依然是枚举或高效网络算法，而不是什么新魔法。
这里需要澄清一个常见的误解：费希尔精确检验里的“精确”，指的是概率计算本身不借助近似分布，而不是说它在所有情况下都比卡方检验更“准”。事实上，由于它把边际当作固定的条件来推断，检验本身带有保守性，在样本量特别小的时候，它能检验出差异的能力反而可能比卡方更弱一些。所以别把“精确”等同于“更显著”，它只是更稳妥——宁可犯错的概率小一点，也不轻易给出激进结论。
1.3 什么时候不必上费希尔：大样本表还是交给卡方
那是不是以后所有列联表都无脑上费希尔？当然不是。卡方检验如果适用，它的优势非常明显：计算速度快、可解释性好、而且在大样本下和费希尔检验的p值会非常接近。如果你手上是一个上千样本量的2×2表，所有期望频数都远远大于5，那你用卡方和用费希尔得到的结论几乎不会有什么差别，这时选卡方完全没问题。
但有一种情况值得多说一句：即使样本量很大，如果有单元格是0，一些分析师会犹豫要不要用卡方。其实期望频数为0和观测频数为0是两回事，只要期望频数够大，卡方照用不误。反过来，观测频数出现0不一定表示卡方不能用，要看行列边际推算出的期望频数是否达标。如果某个边际是0，那实质上是结构性的零，连检验本身都没有太大意义。对这种表，费希尔检验依然能跑出一